计算机应用

作者：武子腾, 宋承云

单位：重庆理工大学 计算机科学与工程学院，重庆 400054

关键词：推荐模型,曝光偏差,偏差校准,项目曝光度,用户活跃度

基金：国家自然科学基金资助项目(41804112);重庆理工大学研究生创新项目(clgycx20202093)

曝光偏差严重影响协同过滤模型的推荐精度，导致预测结果偏离用户的真实兴趣，而现有模型对曝光偏差的建模能力有限，甚至放大偏差。为此，提出融合多模态深度游走与偏差校准因子（MmDW-BC）的推荐模型。首先，引入项目多模态属性特征作为项目图的连接边，从而缓解低曝光项目交互数据稀疏的问题；在此基础上，构建图嵌入模块——多模态深度游走（MmDW）将项目多模态信息融入嵌入向量，以获取丰富的节点表示；最后，基于校准策略设计新的偏差校准推荐算法进行用户偏好预测。将提出的模型应用于Amazon和ML-1M数据集上，实验结果验证所提模型明确考虑曝光偏差来提升推荐精度的必要性和有效性。

来源：2022年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第8期